[發(fā)明專利]一種基于深度學習的人臉檢測方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202310624221.5
• 申請日: 2023-05-30
• 公開（公告）號: CN116645714A
• 公開（公告）日: 2023-08-25
• 發(fā)明（設計）人: 陳丹
• 申請（專利權）人: 江蘇日穎慧眼智能設備有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774;G06N20/00
• 代理公司: 成都眾慧優(yōu)創(chuàng)知識產權代理有限公司 51384
• 代理人: 薛虹

本說明書實施例提供一種基于深度學習的人臉檢測方法和系統(tǒng)，該方法包括：獲取待檢測圖像；對待檢測圖像進行預處理，確定處理后圖像；基于處理后圖像，通過人臉檢測模型確定人臉識別結果，其中，人臉檢測模型包括至少一個識別子模型，人臉檢測模型為機器學習模型。

技術領域

本說明書涉及人臉識別技術領域，具體涉及一種基于深度學習的人臉檢測方法和系統(tǒng)。

背景技術

人臉識別技術是基于人的臉部特征信息進行身份識別的一種生物識別技術，是近年來隨著計算機、圖像處理、模式識別等技術的迅速進步而出現的一種嶄新的生物特征識別技術。用攝像機或攝像頭采集含有人臉的圖像或者視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人的臉部進行一系列相關技術，達到識別不同人身份的目的。

針對如何檢測人臉的問題，CN107392182B提出了一種基于深度學習的人臉采集識別方法及裝置，可以將輸入的視頻流與由大量含有人臉照片訓練出的學習模型比對，對視頻中的人臉進行采集并提取人臉特征數據。然而，該申請直接學習人臉數據的方式存在許多不確定的因素，例如，人的不同運動狀態(tài)、不同膚色、人所處的不同環(huán)境等。在多種不確定因素的影響下，無法保證人臉識別的速度和準確度不高。

因此，希望提供一種基于深度學習的人臉檢測方法和系統(tǒng)，可以保證人臉識別的速度和準確度的穩(wěn)定性，降低運動狀態(tài)、膚色以及環(huán)境等多種因素的影響，滿足用戶需求。

發(fā)明內容

本說明書實施例之一提供一種基于深度學習的人臉檢測方法，所述方法包括：獲取待檢測圖像；對所述待檢測圖像進行預處理，確定處理后圖像；基于所述處理后圖像，通過人臉檢測模型確定人臉識別結果，其中，所述人臉檢測模型包括至少一個識別子模型，所述人臉檢測模型為機器學習模型。

本說明書實施例之一提供一種基于深度學習的人臉檢測系統(tǒng)，所述系統(tǒng)包括：獲取模塊，用于獲取待檢測圖像；預處理模塊，用于對所述待檢測圖像進行預處理，確定處理后圖像；識別模塊，用于基于所述處理后圖像，通過人臉檢測模型確定人臉識別結果，其中，所述人臉檢測模型包括至少一個識別子模型，所述人臉檢測模型為機器學習模型。

本說明書實施例之一提供一種基于深度學習的人臉檢測裝置。所述裝置包括至少一個處理器以及至少一個存儲器；所述至少一個存儲器用于存儲計算機指令；所述至少一個處理器用于執(zhí)行所述計算機指令中的至少部分指令以實現基于深度學習的人臉檢測方法。

本說明書實施例之一提供一種計算機可讀存儲介質。所述存儲介質存儲計算機指令，當計算機讀取存儲介質中的計算機指令后，計算機執(zhí)行基于深度學習的人臉檢測方法。

附圖說明

本說明書將以示例性實施例的方式進一步說明，這些示例性實施例將通過附圖進行詳細描述。這些實施例并非限制性的，在這些實施例中，相同的編號表示相同的結構，其中：

圖1是根據本說明書一些實施例所示的基于深度學習的人臉檢測系統(tǒng)的示例性模塊圖；

圖2是根據本說明書一些實施例所示的基于深度學習的人臉檢測方法的示例性流程圖；

圖3是根據本說明書一些實施例所示的人臉檢測模型的示例性示意圖。

具體實施方式

為了更清楚地說明本說明書實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單的介紹。顯而易見地，下面描述中的附圖僅僅是本說明書的一些示例或實施例，對于本領域的普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據這些附圖將本說明書應用于其它類似情景。除非從語言環(huán)境中顯而易見或另做說明，圖中相同標號代表相同結構或操作。

應當理解，本文使用的“系統(tǒng)”、“裝置”、“單元”和/或“模塊”是用于區(qū)分不同級別的不同組件、元件、部件、部分或裝配的一種方法。然而，如果其他詞語可實現相同的目的，則可通過其他表達來替換所述詞語。